《Smart Agricultural Technology》：Lightweight Deep Learning Models for Six-Stage Maturity Classification of Arabica Coffee Cherries Using RGB Imaging
编辑推荐：
选择性采摘和采后分级对于优质阿拉比卡咖啡生产依赖于咖啡樱桃的成熟度。传统的视觉评估具有主观性、劳动密集且难以标准化。本研究开发了一个基于RGB（Red-Green-Blue）图像的框架，用于将阿拉比卡咖啡樱桃分类为六个专家定义的视觉成熟度阶段，并比较了四个卷积
选择性采摘和采后分级对于优质阿拉比卡咖啡生产依赖于咖啡樱桃的成熟度。传统的视觉评估具有主观性、劳动密集且难以标准化。本研究开发了一个基于RGB（Red-Green-Blue）图像的框架，用于将阿拉比卡咖啡樱桃分类为六个专家定义的视觉成熟度阶段，并比较了四个卷积神经网络（Convolutional Neural Network, CNN）架构，即Custom CNN、MobileNetV2、EfficientNet-B0和ResNet-50。数据集包含1,010张来自泰国北部单一生产地点内多个果园地块的Coffea arabica L. ‘Catimor LC1662’樱桃的原始图像。模型性能通过保留的内部测试集、分层五折交叉验证、基于bootstrap的95%置信区间和配对统计比较来衡量。最佳保留内部测试性能由EfficientNet-B0实现，准确率95.36%，宏平均精确率0.955，宏平均召回率0.961，宏平均F1分数0.957，加权F1分数0.953。MobileNetV2和ResNet-50的准确率分别为92.05%和90.73%，Custom CNN为80.13%。McNemar精确检验表明，EfficientNet-B0显著优于Custom CNN，而与MobileNetV2的差异无统计学显著性。EfficientNet-B0有406万个参数，中央处理器（CPU）上每张图像推理时间0.007秒。MobileNetV2模型在预测性能、模型大小和推理速度之间表现出良好平衡，而Custom CNN是最小且最快的模型，但分类性能低得多。这些结果证明了轻量级深度学习用于细粒度视觉成熟度分类的可行性，以及其有助于优质咖啡生产中更一致的分级采摘的潜力。这些模型对专家分配的视觉阶段进行分类，而不是直接测量生化成熟度、感官属性或最终咖啡品质。因此，在实际部署前需要进行现场和设备级验证。
**论文解读：基于轻量级深度学习模型的阿拉比卡咖啡樱桃六阶段成熟度分类研究**
**研究背景与问题**
咖啡是全球最重要的农业商品之一，其中阿拉比卡咖啡（Coffea arabica L.）在泰国北部高地地区为小农户提供重要收入来源。优质咖啡生产依赖于在适当成熟度阶段采摘咖啡樱桃，因为果实成熟度影响风味、酸度和整体杯品质量。然而，传统成熟度评估主要依赖人工视觉检查，这一过程主观性强、劳动密集且难以标准化。由于咖啡树异步开花导致果实成熟不均匀，需要多次选择性采摘，进一步增加了劳动力和运营成本。此前基于计算机视觉的成熟度分类研究通常仅使用3-4个成熟度类别，虽适用于粗略分级，但可能合并视觉上相邻的成熟状态，无法满足优质咖啡生产中对细微差异的区分需求。此外，许多高容量深度学习模型需要大量计算资源，限制了其在移动或边缘计算平台上的应用。先进传感技术如高光谱成像虽能提供生化信息，但成本和操作复杂性限制了实际推广。因此，研究人员旨在开发一种基于RGB（Red-Green-Blue）成像的轻量级深度学习框架，用于精细分类阿拉比卡咖啡樱桃的六阶段成熟度，并平衡预测性能与计算需求。
**研究内容与结论**
研究人员收集了来自泰国北部Nong Hoi高地农业研究站一个生产地点内多个果园地块的Coffea arabica L. ‘Catimor LC1662’咖啡樱桃，在2024年10月至2025年3月的一个收获季内通过三个常规收获轮次获取样本。总共采集1,010张原始RGB图像，由四位具有五年以上采后科学和农产品质量评估经验的研究人员根据六阶段视觉标准进行专家标注，并由一位现场研究人员审核。研究比较了四个卷积神经网络（CNN）架构：Custom CNN（随机初始化轻量级基线）、MobileNetV2、EfficientNet-B0和ResNet-50（均使用ImageNet预训练骨干）。模型性能通过保留内部测试集（151张图像）、分层五折交叉验证、bootstrap 95%置信区间和配对统计比较进行评估。最佳保留内部测试性能由EfficientNet-B0实现，准确率95.36%，宏平均F1分数0.957，宏平均精确率0.955，宏平均召回率0.961，加权F1分数0.953。MobileNetV2和ResNet-50准确率分别为92.05%和90.73%，Custom CNN为80.13%。McNemar精确检验表明，EfficientNet-B0显著优于Custom CNN（p<0.001），但与MobileNetV2差异无统计学显著性（p=0.180），与ResNet-50差异边缘显著（p=0.065）。EfficientNet-B0有406万个参数，CPU上每张图像推理时间0.007秒；MobileNetV2在预测性能、模型大小和推理速度之间取得良好平衡；Custom CNN最小最快但性能显著降低。研究证明了轻量级深度学习用于细粒度视觉成熟度分类的可行性，有助于优质咖啡生产中更一致的分级采摘。论文发表在《Smart Agricultural Technology》。
**主要技术方法**
数据集来源：泰国北部Nong Hoi高地农业研究站（18.9231°N, 98.8159°E，海拔950-1,050米），单一生产地点内多个果园地块，品种Coffea arabica L. ‘Catimor LC1662’，一个收获季（2024年10月至2025年3月）内三个常规收获轮次。图像采集使用Canon EOS 700D相机，实验室标准化设置，背景均匀，环境顶部照明，每张图像单个樱桃，分辨率3456×2304像素，JPEG格式。预处理：图像调整为224×224像素，RGB三通道；Custom CNN归一化至0-1，其他模型使用TensorFlow/Keras架构特定预处理。数据增强（仅训练集）：亮度调整、高斯噪声、随机旋转±15°，最终有效训练集2,700张（每类450张）。模型架构：Custom CNN三个卷积块（16/32/64滤波器）加全局平均池化、64单元全连接层、dropout 0.5、softmax输出；MobileNetV2、EfficientNet-B0、ResNet-50使用ImageNet预训练骨干，替换分类头为全局平均池化、dropout 0.4、六单元softmax输出（ResNet-50额外128单元全连接层）。训练策略：分两阶段，初始冻结骨干训练分类头，后解冻上层微调；Adam优化器，分类交叉熵损失，早停（patience=6轮），学习率衰减（ReduceLROnPlateau，因子0.5，patience=3轮）。评估指标：准确率、宏平均精确率/召回率/F1分数、加权F1分数；统计方法：bootstrap 95%置信区间（1,000次重复）、McNemar精确检验。
**研究结果**
**3.1 保留内部测试集性能**：在151张保留测试集上，EfficientNet-B0达到最高准确率0.954（95%置信区间[0.914, 0.980]），宏F1分数0.957；MobileNetV2准确率0.921，宏F1 0.930；ResNet-50准确率0.907，宏F1 0.916；Custom CNN准确率0.801，宏F1 0.778。结果显示迁移学习架构显著优于自定义轻量级模型。
**3.2 五折交叉验证性能**：使用859张开发数据集进行分层五折交叉验证，ResNet-50平均准确率最高（0.996±0.006），但保留测试集上降至0.907，表明高容量模型可能过拟合开发数据；EfficientNet-B0平均准确率0.981±0.011，MobileNetV2 0.971±0.019，Custom CNN 0.950±0.013。交叉验证结果不能直接代表泛化能力。
**3.3 配对统计比较**：以EfficientNet-B0为参考，McNemar精确检验显示其显著优于Custom CNN（p<0.001），但与MobileNetV2（p=0.180）和ResNet-50（p=0.065）差异不显著。配对bootstrap分析显示EfficientNet-B0与Custom CNN准确率差0.152（95%置信区间[0.093, 0.219]），与MobileNetV2差0.033（[-0.007, 0.073]），与ResNet-50差0.046（[0.007, 0.093]），但后者McNemar检验不显著，需谨慎解释。
**3.4 逐类性能与混淆矩阵分析**：混淆矩阵显示误分类主要发生在视觉相邻成熟阶段（如Stage 2与Stage 3，Stage 4与Stage 5），符合咖啡樱桃成熟连续渐变特性。EfficientNet-B0对角线集中度最高（144/151正确），Custom CNN错误最多（121/151正确），表明迁移学习架构提供更有效的特征表示。
**3.5 学习曲线与收敛行为**：所有模型在固定训练-验证分割下达到稳定性能。Custom CNN优化稳定但验证性能较低。EfficientNet-B0微调后快速恢复，验证性能稳定。MobileNetV2微调后训练-验证准确率差距增大，提示泛化能力下降。ResNet-50训练性能高但验证曲线波动，与保留测试集性能下降一致。
**3.6 计算可行性及潜在应用**：Custom CNN参数最少（28,582）、模型最小（0.109 MB）、推理最快（0.004 s/张），但性能最低。MobileNetV2（2.27M参数，8.643 MB，0.006 s/张）在性能与计算间取得良好平衡。EfficientNet-B0（4.06M参数，15.477 MB，0.007 s/张）性能最高但计算需求稍高。ResNet-50（23.85M参数，90.983 MB，0.016 s/张）计算资源最高但性能不如前两者。所有推理时间基于CPU桌面环境，未在移动或边缘设备验证。
**3.7 对精准农业的意义**：六阶段分类框架为更详细视觉评估提供基础，可区分未成熟、过渡、半熟、全熟、过熟和干燥果实。但当前模型仅针对单个果实图像，需整合果实检测与计数方法才能在田间应用。EfficientNet-B0和MobileNetV2分别适合高精度或资源受限场景，最终选择取决于计算资源与性能权衡。
**3.8 局限性与未来方向**：图像在实验室标准化条件下采集，未评估自然光照、阴影、遮挡等田间变化；数据集仅来自单一品种、一个收获季、三个采收轮次，且未保留树、枝、地块等分组标识，无法完全排除生物源数据泄露；参考标签为专家视觉阶段，未测量生化指标、感官属性或杯品质量，且未量化评分者间一致性；计算性能基于CPU，未在移动或嵌入式设备测试。未来需进行跨品种、地点、季节的田间验证，采用校准照明或颜色参考标准，结合独立多评分者分类与客观理化测量，并在边缘平台评估模型压缩、量化、能耗等。
**讨论总结与结论翻译**
讨论部分强调，本研究证明了轻量级深度学习在实验室标准化设置下对阿拉比卡咖啡樱桃进行六阶段视觉成熟度分类的可行性，但模型分类的是专家定义的视觉阶段，而非直接测量生化成熟度、感官属性或最终咖啡品质。因此，在实际部署前需要跨品种、生产地点、收获季节、田间成像环境和实际移动或嵌入式设备进行进一步验证。
**结论翻译**：本研究的目的是评估四个基于CNN的深度学习模型对阿拉比卡咖啡樱桃六阶段视觉成熟度分类的性能。EfficientNet-B0模型在保留内部测试集上表现最佳，准确率0.954，宏F1分数0.957。MobileNetV2模型在更小模型大小和更低计算需求下表现出竞争性预测性能。Custom CNN模型最小最快，但分类性能显著下降。五折交叉验证显示各模型折叠间变异性较低，ResNet-50模型平均交叉验证性能最高。配对统计分析表明EfficientNet-B0显著优于Custom CNN，而与MobileNetV2差异不显著。与ResNet-50的比较提供混合证据。这些发现证明了在标准化实验室设置下从单个咖啡樱桃图像分类专家定义视觉成熟度阶段的可行性。结果不应被解释为对生化成熟度、感官品质或杯品品质的直接测量。在实际部署前需要进一步跨品种、生产地点、收获季节、田间成像环境和实际移动或嵌入式设备进行验证。
